dplyr：分组和条件过滤答案

【问题标题】：dplyr: grouping and conditionally filteringdplyr：分组和条件过滤
【发布时间】：2021-10-25 09:08:45
【问题描述】：

我的数据由人组成。他们按职业和性别标记。我想过滤掉至少有 5 个女性和 5 个男性的职业。这看起来很简单，但我还没有设法在 StackOverflow 上找到类似的示例。

这是我的尝试：

group_cols <- c("professions", "sex")

df %>%
  group_by(across(all_of(group_cols))) %>% 
  mutate(n = n()) %>%
  filter(n > 4) %>%
  summarize(n())

但是，这给了我至少有 5 名女性或 5 名男性的职业。我需要创建一个条件规则，考虑每个职业的女性和男性，而不是单独考虑。

谢谢！

【问题讨论】：

标签： r dplyr filtering

【解决方案1】：

要保留profession 在您可以使用的数据中至少有 5 位男性和 5 位女性 -

library(dplyr)

df %>%
  group_by(profession) %>%
  filter(sum(sex == 'male', na.rm = TRUE) > 4 && 
         sum(sex == 'female', na.rm = TRUE) > 4) %>%
  ungroup

【讨论】：

非常优雅，先生！谢谢！

【解决方案2】：

假设有 2 名女工、2 名男工、2 名男学生、1 名女学生和 3 名男开发人员。我了解到您想放弃“学生”职业和“开发人员”职业，因为这些职业中并没有至少 2 名男性和 2 名女性。

您可以分两步进行：
(1) 对于每个职业，计算最少的男性和女性工人。
(2) 合并基于此最小值的数据框和过滤器。

这是一个可重现的例子：

library(dplyr)

data <- as_tibble(
  data.frame(
    id=1:9,
    sex=c("F", "F", "F", "H", "H", "H", "H", "H", "H"),
    profession=c("worker","worker","student", "worker", "worker", "student", "developer", "developer", "developer")
    )
)

gb_cols <- c("profession", "sex")

agg <- data %>% group_by(across(all_of(gb_cols))) %>%
  summarise(n=n()) %>%
  pivot_wider(
    id_cols=profession,
    names_from=sex,
    values_from=n,
    values_fill=0
  ) %>%
  mutate(min=min(H,F)) %>%
  select(profession, min)

data %>% inner_join(y=agg, by="profession") %>%
  filter(min>=2)

【讨论】：

谢谢，这很聪明。但是，我将它应用于我的数据，并且有一些职业，例如。没有女性，但过滤后仍然出现。所以我的目标只是让女性和男性都以最低数量从事职业。我猜脚本失败是因为该职业不存在该级别。
你说得对，我编辑了我的答案以考虑到这种情况。
谢谢，我接受了另一个答案，因为它更简洁。我也很感激你。
然而，我的回答更笼统，因为您不需要对性别变量的级别进行硬编码:)。